数据作为新的生产要素，如何赋能企业业务？|传感器_新浪财经

文丨杨汉录宋勇华

图丨摄图网

让产品产生数据

在传统的产品上安装传感器，会使产品不仅具有使用功能，而且还能产生数据。数据通过无线通信技术传输到服务器，便能产生巨大的价值，如提高新产品设计水平、优化工艺、维保预测等。劳斯莱斯公司（Rolls Royce）采用这一模式，成功实现了利润增长和商业模式变革。几年前，劳斯莱斯公司与四五家企业合作，在发动机里安装很多传感器，一台劳斯莱斯航空发动机里的传感器已达800 多个。通过这些传感器采集的数据，可以知道每个发动机零部件的生命周期。当一个零部件到了需要更换的时候，它就可以通知飞机整机制造商和航空公司提供更换和维修服务。

大数据分析能为企业带来一系列新的技术工具，帮助企业掌握这些规律。然而，企业面临的挑战是智能互联产品本身产生的数据及相关的内外部数据往往是非结构化的。这些数据的规格五花八门，包括传感器数据、地理位置、温度、交易及维修保养记录等。传统的数据汇总和分析工具，如电子表格和数据库工具都无力管理格式如此繁杂的数据。一种名为“数据湖”（Data Lake）的解决方案正日趋流行，它可以将各种不同的数据流以原始的格式存储起来。在“数据湖”中，人们可以用一系列新型数据分析工具对这些数据进行挖掘。这些工具主要分为四种类型：描述型、诊断型、预测型和对症型，如图 1 所示。

图1 “数据湖”解决方案驱动产品创新

数据驱动协同设计过程

协同设计是当下企业产品开发技术进步的一个重要方向，它是把计算机支持的协同工作与先进制造技术相结合，对产品设计过程进行有效支持。协同设计不仅需要不同领域的知识和经验，还要有综合协调这些知识经验的有效机制来融合不同的设计任务。企业中某一项目的设计团队协同完成某一任务，项目的信息和文档从一开始创建时就放到共享平台上，被项目组的所有成员查看和利用。现在已经出现一些支持协同工作的软件平台，下面以Teambition 为例说明。

Teambition 成立于2011 年，其iPhone 应用还被苹果公司评为2015 年度最佳应用，其主要特点如下。

（1）把标准流程执行到位，始终保持交付品质。使用Teambition 为各类设计项目建立精细的标准化流程，每一个细分任务都可以执行到位。所有成员遵照标准流程来创作作品，保证客户体验和交付品质始终如一。

（2）可视化的需求排期，随时协同进展。通过创建和指派任务，轻松管理全部设计工作，项目看板可以直观呈现完成进度，每位成员的工作量一目了然，随时跟踪项目进展。

（3）每位成员都能合理规划工作时间。不必担心遗漏任务或者错过节点，每位成员都可以在Teambition 的工作台上轻松查看手头所有任务，依据截止时间有序安排工作。

（4）文件沉淀在项目中统一管理。别再让设计资产散落在邮件、云和个人电脑中，使用Teambition 把文件沉淀在每一个项目中，所有成员都能够轻松找到所需文件。使用“更新版本”与成员轻松同步共享最新文件，版本信息和更新记录都清晰可见。

（5）“圈点” 让改稿沟通轻松直观。借助 Teambition 强大的“圈点”功能，设计部的协作效率大幅提升。JPG、PNG 等多种格式的图片支持在线预览，可以直接把需要调整的部分“圈”出来，精准传达修改意见。

小米集团在上市之后加快了IoT 领域的布局节奏，进一步推出小米温度计、空调、洗衣机……随着小米集团跨入的品类越来越多，不仅背后的生态链企业愈加庞大，生态链以外的更多外部企业也加入 IoT 平台，面临的协作效率难题也愈加复杂。IoT 平台需要保障生态链上所有智能化产品的联网能力，这些软件项目管理工作需要跨企业、跨软硬件团队，工作条线复杂且涉及组织庞大。IoT 整个团队有200 多人，最多的时候有50 多个项目需要同时协作。为了让生态链的扩张变得有序且持续，小米集团在2016 年引入了协作工具Teambition。借助该工具，IoT 平台开启了与数百家生态链伙伴的高效协作模式。以IoT 平台上一款“智能晾衣架”项目的合作模式为例。其作为小米集团重点支持的合作伙伴，是位于浙江的一个只有 20 人的小企业。小米集团专门抽出10 位员工在北京与之沟通和合作，跨空间、跨团队协作的问题都通过Teambition 解决。小米集团为这个外部公司团队开通了Teambition 的项目权限，双方加入其中，在同一个看板上一起工作，进展随时看得见，信息协同没有任何障碍。这样不仅提升了效率，而且省去了差旅费，节约了成本。

IoT 平台部的项目几乎都需要与外部合作伙伴共同完成，小米团队可以把合作伙伴成员邀请到一个具体项目中，在统一组织体系中，Teambition 成为“一切协作开始的地方”。在可视化的看板上，按照项目流程建立任务阶段，小米集团和合作伙伴成员可以随时协同所有事务，知道在每个阶段具体做哪些事情、谁在负责、是否完成等。比如，在“产品方案沟通”阶段，小米集团需要提供产品功能建议书，而智能硬件合作伙伴需要提供产品功能说明，产出物可以上传到任务中保存，随时查看。

从平台的特点和案例中不难看出，整个协同设计过程都靠数据驱动，不仅是最初的数据触发了协同设计活动，而且在设计活动中产生的动态数据也不断驱动设计过程。

数据驱动企业战略

让数据驱动企业成为企业战略，就是说，要成为数据驱动型企业（DataDriven Enterprise）。如何成为数据驱动型企业？想要完成数据转型，企业需自上而下明确数据对业务的决定性作用。在此基础上，应随时可供访问和操作——这是在技术支持之下才能达到的境界，也是一种“让数据易于访问”的企业文化。数字优先（Digital First）的企业明白数据驱动的必然性，并将其作为企业一切行为的组织原则。成熟的企业会通过将数据与业务流程相关联、营造数据驱动的企业文化、将数据洞察灵活运用并建立必要的基础技术设施，也可以达成技术驱动。

（1）将数据与业务异常相关联。数据的力量取决于使用方式。企业须明确定义数据的意义，将其应用于更广泛的流程中。成功的企业通常会确保其业务战略和创新计划是建立在数据驱动决策（Data-Driven Decision Making）之上的。前提之一是将数据视为一种资产，能够直接影响公司的业绩。

Adobe 软件公司建立了一种数据驱动营运模式（DDOM），用于运营数字业务。DDOM 状态界面能够显示企业的整体运营状况，并记录客户发现、试用、购买和续约产品的全过程，如同一个数据驱动的涡轮增压CRM 系统。通过DDOM，Adobe 软件公司在建立详细客户模型的过程中，不仅可以参考交易记录，还可以参考行为习惯、经验洞察和数字触点。因此，企业可以更精准地预测客户会在什么情况下考虑更换供应商，或者考察某客户是否适用Adobe 软件公司的其他产品，因而让公司采用正确的行动，如在正确的时机进行交叉销售或向上销售等。

（2）培养数字文化。能否成为一个数据驱动的企业，取决于企业所有员工的支持，让每个人都根据数据调整自己的思维方式和工作方式。在更大的组织范围内维持员工的热情可能会很困难，尤其是在改革的过程中往往需要说服那些不同意该模式的领导。将员工做决策时的思维模式从“基于直觉转变为基于数据”，绝非只是改变一下管理名字或者简单培训即可实现的。这种转型需要从根本上改变员工日常的思考方式和工作方式，包括培养数据文化、加深员工对数据所有权的认知、使用数据指导工作流程或质量改进等。

（3）在实际工作中运用数据洞察。数据访问不应仅限于管理人员，目标应该是把所有有效的数据送到需要的地方和一线员工手中。为了真正将数据分析和应用嵌入主流思想和行为中，企业需要研究如何将数据洞察预先注入现有的业务流程当中。

Geotab 是一家加拿大通信公司，其提供用于跟踪和管理车队的GPS 系统。该公司监控生产状态和性能、产品的安全状态、账单结算等每个决策都是基于数据的。一旦从这些数据中提出有效信息和见解，它们就会被反馈到随处可见的公司大屏幕上，向需要的团队提供实时报告。更方便的是，团队可以在状态界面上进行查询和运行数据，这样就可以获得他们所需要的意见和见解。若某个新的客户行为提示企业存在比表面看起来更严重的问题，那么其团队可以快速采取措施并解决问题，因为企业状态界面同时显示“树林和树木”——概述和细节。例如，某年8 月，实时客户支持指标显示得克萨斯州突然出现异常，没过多久，客户支持团队就意识到供应商SIM 卡在该州的高温下弯曲变形，主要原因是使用了错误的塑料材料。Geotab 立即向制造商反馈了这个问题，使其得到快速解决，为客户提供了高品质的服务。

（4）构建必要的技术支持和基础设施。选择合适的技术将对企业的数据运用产生重大的影响，特别是在提取有针对性的数据和应用方面——使它们能够打破“数据孤岛”，抓取底层数据，并将其与其他数据来源进行整合，以发现对企业有帮助和有意义的数据信息。另一个纳入考虑的因素则是使数据处理过程简易化的技术，如人工智能（AI）、机器学习（ML）和增强现实（AR）。在生成更细致入微的数据洞察和使用创新技术运行数据方面，这些工具发挥着关键作用。例如，人工智能和机器学习可与物联网相结合，以监控新增的大批量数据反馈，或与社交媒体聆听工具相结合，旨在衡量不断变化的市场趋势和客户偏好。

数据驱动商业智能决策

1996 年，全球最具权威的IT 研究与顾问咨询公司高德纳（Gartner）提出了商业智能（BI）的概念，商界由此掀起了一股基于数据库的革命浪潮，真正的商业智能时代到来了。2007 年，SAP 收购法国Business Objects 公司，推出SAP HANA 商业智能方案。该方案由数据仓库、查询报表、数据分析、数据挖掘、数据备份等组成，帮助企业提升财务会计、资源计划、

产品生产与品质，以及供应链、客户关系等经营性管理上的效率。公开数据显示，《财富》世界500 强中有80% 以上的公司都在使用SAP 管理系统。

中国香港有一家叫Deep Knowledge Ventures（DKV）的创投公司，5 年前“聘请”了一名叫作“瓦投”（VITAL）的“AI 董事”，它是英国Aging Analytics 公司研发的AI 投资系统。“AI 董事”的专长是基于大数据机器学习，能在毫秒内分析、判断、决策那些无法被人类分析师观察到的趋势。公司高级合伙人德米特里·卡明斯基（Dmitry Kaminskiy）指出，“瓦投”把投资决策中复杂的调查自动化了。也就是说，“瓦投”做了人们做不了的“针对海量信息的逻辑分析”。这相当于靠强大的计算机分析系统确保投资决策“做正确的事”。

除投资决策外，“AI 董事”还颠覆了传统投资管理流程。比如，对相关项目融资、临床试验、知识产权及前几轮融资等各种信息，“AI 董事”负责分析、判断。基于“AI 董事”的数据分析，董事会全体成员（包括“AI 董事”）投票；一旦涉及“AI 董事”的专属领域——老年医疗，没有它的发话，其他董事不做决策，这时的“AI 董事”更像一个董事会主席。至今，在“AI 董事”的帮助下，DKV 已经完成多个项目的投资，包括Insilico Medicine、Pathway Pharmaceutical、Vision Genomics等初创公司。